blackmaria - Python库，用于通过自然语言进行网页抓取

项目介绍：Black Maria

Black Maria 是什么？

Black Maria 是一个用于网络爬虫的 Python 库，可以通过自然语言对任何网页进行爬取。这意味着用户可以用一种直观、接近日常对话的方式告诉系统他们需要什么数据。Black Maria 利用了大型语言模型（LLM）的优势，使网络爬虫变得更加简单和高效。

如何使用 Black Maria？

Black Maria 采用了护栏（guardrails）技术。护栏是一种指令集，它告诉大型语言模型生成的数据应该是什么样子。通过这种方式，用户可以控制数据的格式和内容。

下面是一个简单的示例代码，展示了如何使用 Black Maria：

from blackmaria import maria

# 要抓取的网页 URL
url="https://yellowjackets.fandom.com/wiki/F_Sharp"

# 设定抓取数据的格式规范
spec=("""
    <rail version="0.1">
    ...
    </rail>
    """)

# 查询请求，要求获取电影的细节，包括摘要和演员表
query="provide details about the movie,summary,cast,cast.starring,cast.guest_starring,cast.co-starring"

# 使用 night_crawler 方法发送请求，并获取响应
query_response=maria.night_crawler(url=url,spec=spec,query=query)

# 输出抓取的结果
print(query_response)

使用前的准备

想要使用 Black Maria，请确保您的系统已安装 Python 3.6 或更高版本，并将 OPEN_AI_KEY 添加到环境变量中。在获得必要的权限后，您可以通过以下命令安装 Black Maria：

pip install blackmaria

输出示例

Black Maria 生成的数据是结构化的，下面是一个 JSON 格式的输出示例：

{
  "movie": {
    "summary": "As the teens get their bearings among the wreckage, Misty finds hell on earth quite becoming. In the present: revenge, sex homework and the policeman formerly known as Goth.",
    "cast": {
      "starring": [
        "Lottie Matthews",
        "Vanessa Palmer",
        "Misty Quigley",
        "Shauna Sadecki",
        "Natalie Scatorccio",
        "Taissa Turner"
      ],
      "guest_starring": [
        "Akilah",
        "Laura Lee",
        "Mari",
        "Adam Martin",
        "Javi Martinez",
        "Travis Martinez",
        "Jessica Roberts",
        "Jeff Sadecki",
        "Ben Scott",
        "Jackie Taylor"
      ],
      "co-starring": ["Kevyn Tan", "Simone"]
    }
  }
}

以上说明了 Black Maria 如何帮助用户轻松提取网页中的信息，例如电影的概要和演员信息。通过直观的语言描述和灵活的输出格式控制，Black Maria 为网络爬虫提供了一种高效、简便的新方法。